近几年来，税收信息化的所作所为基本上是朝着一个方向前进的，那就是数据集中、系统整合。整合是数据集中基础上的整合，既包括数据整合，也包括业务整合和技术体系的整合。然而，无论整合的具体形式如何，其最终目的是凸显税收数据在现代税收管理和服务上的核心作用。我们可以预料，在全国范围内大规模的税收数据逐步集中之后，不同于以往的税收数据的深度利用问题便会浮上水面。那么，什么是税收数据的深度利用呢？税收数据深度利用的方向和重点在哪里呢？为了实现税收数据的深度利用，我们又需要特别关注什么呢？实践要求我们必须予以解答。
理论、规划和实践的共同指向
理论告诉我们，在一个国家信息化发展历程中总有一个系统内集成阶段，当前中国信息化水平较高的部门和行业恰恰就处在系统内集成阶段，税务部门的信息化发展也处在这个阶段。这个阶段的核心工作就是现有资源的整合，尤其是数据资源的整合。
金税三期规划提出了著名的1234方案。其中，2的含义是指：在“一个平台”的支撑下，建立总局、省局两级数据处理中心和以省局为主、总局为辅的数据处理机制，逐步实现涉税电子数据在总局、省局两级的集中存储、集中处理和集中管理。这明确无误地表达了总局对数据集中的未来构想。随着金税三期规划获得国家正式批复立项，我们认为，1234方案也将逐步付诸实践。
事实上，作为金税三期的切入点和重要组成部分的省级信息资源整合工程从2004年开始已经先行一步。其重点是做好综合征管系统、增值税征管系统和出口退税管理系统间的数据整合，业内称之为“大插座”工程。2005年国税系统已有17个省市实现了省级数据集中。
因此，无论是信息化发展阶段理论的诠释，还是金税三期的规划安排，亦或是当前已在实施的省级信息资源整合工程，都传达出一个强烈信号：税收数据，更广义地说是涉税数据，准备集中、正在集中、已经部分集中、将来势必全面集中，无可逆转。
如果事实果然如此，如果税收数据像潮水一般源源不绝地涌向省局和总局之后，我们也许会发现，问题回到了原点，我们为什么要大集中？大集中是目的吗？我们打算对大集中之后的税收数据做些什么呢？我们是否有做深度利用的充分的精神准备、知识准备和制度准备呢？对此，必须未雨绸缪。
税收数据的一般利用与深度利用
长期以来，税收工作中的数据利用，常见的形式有：报表浏览、简单查询、复杂查询、税源分析、税负分析、收入预测、过程监控等等，总的来看，其一般应用特征是基于汇总、分类、简单计算基础之上的原始税收数据的展现和对税收现象的一般描述。大集中之前，鉴于数据分散于各自独立的系统之中，要想实现普遍的、全面的、实时的、可跟踪的、精确的、模拟计算的、复杂模型的综合数据利用，相当不易，“巧媳妇难为无米之炊”，相信有过税收数据分析经历的同志会有深刻体会。
只有当信息化推进到大集中阶段，税收数据被有效地集中起来，而相应的IT技术与分析工具也相当丰富，在深度和广度上超过以往的税收数据利用才会出现。譬如，在海量数据的基础上，运用经济学、管理学、统计学的理论、方法和模型，基于数据仓库、数据挖掘和人工智能技术，实现面向税收制度的制定、修改和完善的税收数据的利用；面向国家或地区税收收入预测和纳税能力估算的税收数据的利用；面向税收法律、法规执行情况评估的税收数据的利用；面向为纳税人服务和纳税信用等级评定的税收数据的利用，等等，这些税收数据的利用在数据大集中之前想达到一个很高的水平、很量化的结果是不太容易的。
我们认为，所谓税收数据的深度利用是相对而言的，是一个比较笼统的说法。作为学术探讨，不妨下这样一个定义：在数据集中和系统整合的基础上，利用相关学科的原理、方法和模型，针对大量涉税数据，包括税务系统内部数据，也包括其他政府部门、企业、居民等外部数据，进行深入研究，发现事务的内在规律性，用于帮助税务部门做出明智决策，改进工作，提高效率的分析活动。这样的活动就是税收数据的深度利用。换句话说，数据的丰富度、模型的应用水准、信息技术与系统的利用、以及应用研究的深度与广度都要比大集中之前有一种上台阶的变化。
税收数据的深度利用大多涉及税收工作的方向性、全局性、战略性和前沿性的重大问题，能够在宏观、微观两个方面有助于辅助决策，因而能否在大集中之后对税收数据进行有效地深度利用就成为税收信息化深化发展的必然命题。
税收数据深度利用的重点
无论从哪一个角度看，税收数据无外乎产生于税收管理部门通过税收制度和征管手段去规范和调节国家与纳税人之间的税收经济关系的活动当中。因此，税收数据的深度利用基本上可以定位在围绕税收与经济协调发展而进行的数据分析、围绕加强征管而进行的数据分析、围绕纳税服务而进行的数据分析这三个主要方向上，而最有可能成为应用重点的是下述几方面：
税收经济发展研究：从宏观经济、微观经济的发展与运行中评价财政税收政策对全国经济和区域经济发展的影响，探索存在的问题，并从财税工作角度为国家和地方在新形势下的发展提出政策建议，对提高国家整体竞争力与区域竞争力，全面落实科学发展观，构建社会主义和谐社会具有重要的现实意义。所以，面向全国或面向区域的税收经济发展研究将成为税收数据深度利用的重点场合，数据大集中正好为此类研究创造了有利条件。
中国人民大学金融与财税电子化研究所连续四年与深圳市人民政府、财政局、国税局、地税局合作，每年出一份“深圳市财税经济发展报告”，从深圳市财税经济运行概况、税收经济总量分析、税收经济结构分析、财政收支概况、财政支出与经济社会发展、财税经济政策变化对深圳的影响、财税经济发展趋势及对策等方面做了有丰富数据和模型应用的研究，对实践具有一定参考价值。据不完全了解，国内上海、广东、大连、山东等税务系统也开始了这方面的尝试，取得了很好的成效。
税收政策分析：轮税制改革中有许多迫切需要解决的重大问题，这些重大问题除了必要的理论分析之外，更关键的是要进行结合实际的数量分析。而在数量分析中，很多经济变量的关系是人们很难用直觉和经验来把握的，必须通过数量分析模型来寻找答案。例如，由于始终缺乏增值税转型后税收收入的变化和经济增长变化的准确估计，这已经成为有关部门滞后该项税改政策的重要原因之一。因此，大集中之后，税收政策分析将成为税收数据以及更广泛的社会经济数据深度利用的又一重点场合。
中国人民大学金融与财税电子化研究所，以及相关合作单位已联手研究“税收政策分析模型支持系统的实现及其在税制改革中的应用研究”课题。它的研究内容主要有：依据税收特性制定税制表示方法，建立税收政策分析模型描述语言；开发税收政策分析模型支持系统和封装于这一系统内的税收宏观经济计量模型和税收可计算一般均衡模型；以中国新一轮税制改革的重大问题为对象，在某些方面做出数量分析和对策研究。不难看出，这一课题研究成败的关键还在于数据的获取和模型的应用。
税收监控体系：税收监控体系包括两方面的内容：一是税务机关对现实税源的日常征管工作，其直接结果表现为税收收入的入库；二是税务机关对税源变化情况及发展趋势的分析预测。基于大量税收数据和方法、模型库的税收监控管理系统应具有如下功能：能侦测出应该纳税但未申报纳税的纳税人；能对纳税人的情况特征进行描述，并按照不同的标准进行层次划分；能够锁定偷逃税的申报人；能对应收税款做出预测模型，从而做出优先级顺序和最优化处理；能够辅助决策，科学制定税收计划，促进资源最佳利用。
纳税服务评价：客观公正的纳税服务评价是提高税务机关管理服务水平的重要手段。将第三方评价法、层次分析法、多层模糊综合评价模型三种评价技术有机结合，在税务机关纳税服务评价中进行系统应用，能够取得更加科学公正的评价结果。在这一过程中利用了大量的涉税数据，并有效运用了数学方法和模型，例如，建立反映评估因素集与评语集之间关系的模糊关系矩阵，利用数学方法确定权数集，降低主观因素的影响。决策集较全面地反映了被评价对象相对于评语集各等级的隶属度，使考核者能更加全面地了解被考核者的多重属性。
税收数据的深度利用的重点还有业绩评价指标体系等等，十分丰富多彩。
数据深度利用需关注的问题
上述分析表明，税收数据的深度利用是个长期的过程，需要多方面的内外环境的配合。我们认为，为了实现税收数据的深度利用，需要关注如下这些问题：
首先，对税收数据的深度利用要形成统一认识，要看到大集中之后，如何用好税收数据已是形势所迫。税收数据的深度利用就是税收信息化的新局面，就是税收工作的竞争力和管理与服务水平的实质性提高。
没有数据积累，就谈不上什么数据的深度利用。而数据大集中最终体现为数据库的建设。为此，既要积累税务系统内部数据，也要建立与其他政府部门、企业和居民的良好的外部信息交换系统；既要完善历史数据，也要对集中后的数据进行必要的分析和规整，要确保集中后的数据是准确的、一致的、完整的和连续的。
知识储备极其重要。税收数据的深度利用要用到多学科的理论、方法和模型，也要用到数据仓库、数据挖掘、联机分析系统等计算机方面的知识，还要熟悉税收法律法规、征管规程和财务会计，是多方面知识的综合应用。例如，在税收经济综合应用分析的方法和模型中要熟悉税收宏观经济计量模型、税收投入产出模型、税收可计算一般均衡模型、税收微观模拟模型、税收经济系统动力模型和基于数据仓库的税收经济分析方法和模型。对中国税收能力的估测上也要熟悉RTS法、分税种法等。
知识储备的背后就是人的落实。既然信息资源可以整合，那么人的资源又何尝不能整合，要充分借助外脑，与科研机构、大专院校合作。这是现阶段的最优选择。但是在更长远的时间内，还是要以内脑为主、外脑为辅。所以，引进人才，设置相应岗位和机构是税务系统必须要考虑的问题。技术部门、业务部门、各级领导在税收数据深度利用上要配合一致，和谐共进。而税收数据的深度利用也要循序渐进，只能根据本省、本地区的具体情况，确立有影响的研究课题，做出成果，做出实效，做出特色，不能随波逐流。
基于丰富数据与分析工具基础之上的税收数据的深度利用与人工总结的经验知识并不矛盾。它们之间是互相促进的关系，一方面数据深度利用的结果可以验证人工经验的正确性、合理性；另一方面，人工经验可以为数据深度利用提供线索。过度迷信模型和计算工具是不可取的。但基于数据和模型的研究分析方法的确代表了国际潮流，也是不可否认的。
大集中之后数据管理和分配是核心问题，必须有章可循、有法可依，否则辛辛苦苦大集中之后的数据就变成了死数据，甚至成为权力再分配的导火索。
总之，要看到趋势，看到数据深度利用的价值，要管好数据，要具备能够深度利用数据的本领，培养和吸纳人才，要创造内外环境，包括制度与运行机制，要对一件必然发生的事情有所准备。（作者： 中国人民大学 谭荣华 /中国税务学会 蔡金荣）
